如何使用Python来比较两个HTML文件？

Question

我想使用Python来比较两个HTML文件：

示例：

html_1 = """
<p>i love it</p>
"""
html_2 = """ 
<h2>i love it </p>
"""

diff 文件将如下所示：

diff_html = """
<del><p>i love it</p></dev><ins><h2>i love it</h2></ins>
"""

有Python库可以帮助我做到这一点吗？

Answer 1

lxml 可以做类似于你想要的事情。来自文档：

>>> from lxml.html.diff import htmldiff
>>> doc1 = '''<p>Here is some text.</p>'''
>>> doc2 = '''<p>Here is <b>a lot</b> of <i>text</i>.</p>'''
>>> print htmldiff(doc1, doc2)
<p>Here is <ins><b>a lot</b> of <i>text</i>.</ins> <del>some text.</del> </p>

我不知道有任何其他 Python 库可以完成此特定任务，但您可能想查看逐字差异。他们可能会接近您想要的。

一个例子是 this，用 PHP 和 Python 实现（将其另存为

diff.py

，然后是

import diff

）

>>> diff.htmlDiff(a,b)
>>> '<del><p>i</del> <ins><h2>i</ins> love <del>it</p></del> <ins>it </p></ins>'

Answer 2

Checkout diff2HtmlCompare（完全披露：我是作者）。如果您只是想直观地了解差异，那么这可能会对您有所帮助。如果您试图提取差异并用它做一些事情，那么您可以按照其他人的建议使用 difflib （上面的脚本只是包装 difflib 并使用 pygments 进行语法突出显示）。 Doug Hellmann 在详细介绍如何使用 difflib 方面做得非常好，我建议您查看他的教程。

Answer 3

我发现了两个有用的 Python 库：

1. htmltreediff
2. htmldiff

但是它们都使用Python的difflib lib来比较文本，而我想使用google的diff。

Answer 4

您可以使用

difflib.ndiff()

查找“

-

”/“

+

”并将其替换为您想要的 HTML。

import difflib

html_1 = """
<p>i love it</p>
"""
html_2 = """
<h2>i love it </p>
"""

diff_html = ""
theDiffs = difflib.ndiff(html_1.splitlines(), html_2.splitlines())
for eachDiff in theDiffs:
    if (eachDiff[0] == "-"):
        diff_html += "<del>%s</del>" % eachDiff[1:].strip()
    elif (eachDiff[0] == "+"):
        diff_html += "<ins>%s</ins>" % eachDiff[1:].strip()

print diff_html

结果：

<del><p>i love it</p></del><ins><h2>i love it </p></ins>

Answer 5

AFAIK，Python 在 difflib 中有一个构建可以做到这一点。

Answer 6

不完全是你的输出，但是标准库difflib有一个简单的htmldiff工具，它将为你构建一个html diff表。

import difflib

html_1 = """
<p>i love it</p>
"""
html_2 = """ 
<h2>i love it </p>
"""

htmldiff = difflib.HtmlDiff()
html_table = htmldiff.make_table([html_1], [html_2]) # each item is a list of lines